基于百度指數的粵閩浙沿海城市信息流網絡特征

葉藝華,陳羽珊

(1.漳州職業技術學院 建筑工程學院,福建 漳州 363000; 2.廣州商學院 會計學院,廣東 廣州 511363; 3.馬來西亞國立大學 工商管理研究所學院,雪蘭莪州 萬宜新鎮 43600)

0 引 言

全球信息網絡的發展和交通、通訊的極大改善使得時空壓縮,地理空間在全球網絡中跨越時空得到重構,知識流、人流、信息流等在全球城市間快速流動,流空間即流的空間載體或場域[1]逐漸替代場所空間.城市網絡研究是建立在流空間理論基礎上,并跳脫中心地理論限制關注關系數據,研究城市間的網絡關系.城市網絡的主要研究視角包括:從企業組織途徑,如企業總部分支機構數據[2]等,構建企業活動網絡;從基礎設施,如航空[3]、高鐵等“交通流”數據[4],構建區域的交通網絡;通過人口流動[5]、物流[6]、創新流[7]等其他要素流,分析區域城市地位及城市間的關系.互聯網信息技術的發展改變了城市間的通訊交流方式,帶來了社會經濟空間聯系的巨大變革.與傳統通訊方式不同,移動互聯網信息交流不依賴于城市等級體系,不受地理空間束縛,體現了城市間主動性的交流,可通過網絡將城市聯結成空間上密切聯系的網絡,因此逐漸受到學者的關注.以往,受限于城際信息流數據較難獲取,關于信息流網絡的研究大多為定性研究.近年來,隨著大數據挖掘技術的運用,信息流獲取變得更加簡單,已有研究運用微博[8]、貼吧[9]、QQ群[10]數據從定量研究視角,探討城市信息流網絡空間格局,信息流載體的選擇變得更加豐富多樣.

百度搜索指數數據是以海量網民的搜索行為數據為基礎的,相對前述企業分支結構數據、基礎設施交通數據等多種城市關系數據,其數據更加廣泛、實時、動態,用以城市網絡研究時,更能快速反映城市網絡的時空演變特征,以及城市間社會、經濟等方面的聯系[11],為城市網絡研究提供海量數據支撐.目前,一些學者運用百度指數開展城市群的網絡層級結構研究、城市的主導力和控制力分析、凝聚子群分析等.百度指數作為一類信息流,豐富了城市群網絡的研究視角.在基于百度指數的城市群研究中,研究對象主要集中于長三角[12-13]、東北三省[14]、成渝城市群[15]、京津冀[16],鮮少研究海峽西岸經濟區或粵閩浙沿海城市群[17].

海峽西岸經濟區位于中國臺灣海峽西岸,2009年被正式納入國家發展規劃.根據《福建省建設海峽西岸經濟區綱要》,其經濟區包含福建省全境和浙江省、廣東省、江西省部分城市在內的20個地級市.經濟區東與臺灣地區一水相隔,北承長江三角洲,南接珠江三角洲,是我國沿海經濟帶的重要組成部分,在全國區域經濟發展布局中處于重要位置.海峽西岸經濟區在發展中長期面臨臨近長三角、珠三角城市群的虹吸效應,亟須打造一個承接珠三角、長三角,輻射中西部、臺灣的特大城市和富有競爭力的沿海增長極.2021年3月出臺的《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》首次提出“粵閩浙沿海城市群”概念,取代了原先的海峽西岸經濟區.這意味著城市群建設上升到了三省戰略層面.當前,粵閩浙沿海城市群正式規劃尚未發布,也未對粵閩浙沿海城市群的城市范圍做出相關界定.但從綱要的空間格局看,粵閩浙沿海城市群與海峽西岸城市群對應的范圍和城市無較大差別.因此,本研究的研究區域——粵閩浙沿海地區仍沿用原海峽西岸經濟區界定的范圍.本文擬通過百度指數平臺獲取粵閩浙沿海地區城市間兩兩搜索指數,依托搜索指數搭建粵閩浙沿海地區城市信息流網絡,對粵閩浙沿海地區的城市信息流網絡結構特征進行識別,以明晰城市間的內在聯系,從而為粵閩浙沿海地區城市規劃提供參考.

1 研究區域、數據來源與研究方法

1.1 研究區域

本研究的研究對象為粵閩浙沿海地區,涉及20個城市,具體包括:福建省的福州市、廈門市、泉州市、莆田市、漳州市、三明市、南平市、寧德市、龍巖市;浙江省的溫州市、麗水市、衢州市;江西省的上饒市、鷹潭市、撫州市、贛州市;廣東省的汕頭市、潮州市、揭陽市、梅州市.

1.2 研究數據

研究數據來自百度指數平臺.根據第49次《中國互聯網絡發展狀況統計報告》,截至2021年12月,我國網民規模達10.32億,互聯網普及率達73%.百度仍是中國搜索引擎市場占用率較高的搜索引擎.百度指數是以百度海量網民行為數據為基礎的數據分享平臺,可用于單詞趨勢、需求圖譜、行業整體趨勢等研究[18].根據用戶使用百度搜索來源的不同,百度搜索指數分為PC搜索指數和移動搜索指數.數據采集時,在平臺關鍵詞部分輸入信息接收城市,定位位置選擇信息發送城市,選擇對應的時段,獲取信息發送城市對信息接收城市的搜索指數,作為城市間信息流的表征,構建基于城際的信息流網絡.本研究收集的為PC端和移動端搜索數據,平臺收集的移動數據最早可查到2011年1月,所以本研究對2011年、2016年、2021年的百度指數進行分析.

1.3 研究方法

本文以信息流總量與信息流強度指標構建無向網絡,分析粵閩浙沿海城市群的信息流總量趨勢、時空演變特征.由于無向化處理會損失信息流非對稱性交互信息,不利于城市性質和能級的挖掘,所以本文結合社會網絡分析法,分析有向網絡中的城市節點特征.由于本研究收集到的粵閩浙沿海各城市間的信息流數據均不為零,城市間普遍存在百度關注度,即粵閩浙沿海信息流網絡是密度為1的復雜網絡,需要從中提取關鍵信息來進一步研究城市層級關系[19],所以引進節點區域分析法,探究粵閩浙沿海信息流有向網絡的城市層級結構.

1.3.1 社會網絡分析法

社會網絡分析(SNA)法被廣泛用于城市網絡結構分析.由于信息流網絡為全網絡,中介中心性、小世界性等指標不適用,故本研究引入社會網絡分析法的度數中心性進行城市地位分析.度數中心度是反應節點影響力的一項重要指標,可用以測量信息流網絡城市節點在網絡中的地位.一個城市在網絡中的中心度越高,說明該城市在網絡中的影響力越大、地位越高.有向網絡中心度可分為點出度和點入度.在信息流網絡中,點出度反映城市的信息輻射影響力,點入度反映城市的信息流吸引力.點出度與點入度可采用Ucinet軟件進行計算.

1.3.2 信息流總量與信息流強度

本文借鑒以英國地理學家Peter Taylor為首的GaWC研究小組運用的連鎖網絡構建方法[20],基于Python采集的粵閩浙沿海20個城市間相互搜索指數數據,構建2011年、2016年、2021年粵閩浙沿海城市無向對稱信息流網絡矩陣.城市間的信息流強度(Sij)由兩兩城市百度搜索指數乘積表示,即:

對鴨坯進行統一前處理，之后進行烤制實驗。具體為紅外蒸汽烤制溫度220℃，烤制時間30、35、40、45、50min，蒸汽噴射2次，分別為烤制的第10min和第30min，每次噴射時間為3s；最后紅外干烤10min。

Sij=Iij·Iji,

(1)

其中,Iij為信息流出城市i對信息流入城市j的百度搜索指數,Iji為信息流出城市j對信息流入城市i的百度搜索指數.

網絡中所有城市的信息流總量用T表示,城市i的信息流總量Ti為城市i與粵閩浙沿海城市信息流網絡中所有城市間的百度搜索指數之和,包括城市i對城市i自身的百度搜索指數,其計算公式為:

Ti=Ti1+Ti2+Ti3+…+Tik,

(2)

T=T1+T2+T3+…+Tk.

(3)

城市i對城市j的相對信息流強度用R表示,反映該條信息流在網絡中的相對地位,其計算公式為:

R=Sij/maxI,

(4)

其中,maxI為網絡中最大的信息流.

1.3.3 節點區域法

節點區域法是一種判斷節點在區域中地位的分析方法,是由Nystuen和Dacey于1961年提出的[21],常用于從復雜網絡中提煉分析城市的層級結構[13].該方法認為,最大流量的網絡能勾勒出整個地區城市組織的骨架,可用簡單結構圖反映城市層級結構.該分析方法將網絡中的城市分為主導型城市、次級主導型城市和從屬型城市.主導城市的最大要素流流向一個規模相對較小的城市.次級主導型城市的最大要素流指向主導型城市.從屬型城市的最大要素流流向一個與之相比規模較大的城市.從屬具有傳遞性,即如果城市A從屬于城市B,城市B從屬于城市C,那么城市A也從屬于城市C,因此在分析時只需保留規模較小的城市到規模大的城市的最大要素流.本文用城市間的百度指數信息流點入度表示城市規模的大小,研究粵閩浙沿海城市非對稱有向信息流網絡的城市層級結構.

2 結果分析

2.1 網絡信息流總量趨勢

運用Python采集粵閩浙沿海20個城市間的相互搜索指數,計算城市整體日均值指數,加總得到2011—2021年該地區20個城市整體日均值信息流總量,見圖1.從長期看,該地區信息流總量增長明顯,從2011年的27 423上漲至2021年的44 408,增長幅度約為62%;20個城市間的信息流通程度有所加強,城市間的聯系增加,2017年信息流總量達50 486,為近20年來最高;2013年、2014年信息流總量快速增長,其中2014年上漲幅度最大;2014—2021年20個城市間的信息流總量維持在4萬以上,雖有小幅波動,但波動較為平穩.

圖1 2011—2021年粵閩浙沿海信息流總量變化

2.2 網絡城市節點

2.2.1 城市節點中心度

等距選取2011年、2016年、2021年3個時間斷面的百度信息流進行信息流城市網絡節點分析,運用Ucinet軟件計算節點中心度.由于該地區信息流城市網絡為有向網絡,所以本研究將節點中心度分為點入度和點出度,以分析各城市在網絡中的吸引力和影響力,結果見圖2和圖3.在點入度方面,在這三年中福州、廈門、泉州、溫州、贛州均是網絡中點入度較高的城市,說明這5個城市在網絡中的信息虹吸作用較強,具有較強的信息資源集聚能力,吸引力突出.衢州、鷹潭、潮州、揭陽、梅州等點入度均較低,信息吸引力弱.廈門作為副省級城市和經濟特區,一直是網絡流點入度最高的城市,在區域中的吸引力突出.在點出度方面,城市差異較大,分化明顯.福州、廈門、泉州、溫州、贛州亦是網絡點出度較高的城市,說明這5個城市在網絡中的信息影響力較大,輻射作用較強.鷹潭、汕頭、潮州、梅州是網絡點出度較低的城市,影響力不足.分階段看,相對2011年,2016年和2021年各城市的點出度有較大變化,各城市差異較大,分化明顯,而點入度差異不大.

通過上述分析發現,點出度首位城市與點入度首位城市表現出較大的重疊性.福州、廈門、泉州、溫州、贛州是粵閩浙沿海地區信息流網絡的重要節點城市,具有較強的信息資源輻射能力和集聚能力,以及較高的吸引力和影響力.這5個城市也是海峽西岸城市群規劃中的重要節點城市,綜合實力較為雄厚.福州作為福建省的省會城市,是福建省的政治、文化、交通中心,在信息流網絡中具有省會效應優勢,在2011年、2021年均為網絡點出度最高的城市.廈門位于福建省的東南段,是現代化國際性港口風景旅游城市和東南沿海對外貿易的重要口岸,綜合實力強勁,在2011年、2016年、2021年均是網絡點入度最高的城市,信息資源集聚能力突出.泉州民營經濟發達,GDP于2020年首破萬億,經濟總量在2020年前曾連續多年保持福建省第一,2016年的GDP總量為福建省全省第一,超過福州,成為2016年信息流網絡點出度最高的城市.溫州一直是浙江省所轄重要的商貿城市,民營經濟發達.以上4個城市都是區域中綜合實力較強的城市.贛州為江西省省域的副中心城市,是重要的全國性綜合交通樞紐.廣東省的潮州市、梅州市和江西省的鷹潭市在粵閩浙沿海地區信息流網絡中的融入性不足,影響力和吸引力均較弱.

圖2 粵閩浙沿海20市信息流網絡點入度

圖3 粵閩浙沿海20市信息流網絡點出度

2.2.2 城市類型

為更清晰地分辨各城市在粵閩浙沿海地區信息流網絡中的作用,本文將城市以中心度為參考值繪制四象限散點圖,其中橫坐標為點入度,縱坐標為點出度,用點出度和點入度平均值將圖分為四個象限,以對角線將圖分為兩區域,散點圖由第一象限右下逆時針旋轉,將網絡中的城市類型依次分為強吸收型、強輻射型、偏輻射型、弱輻射型、弱吸收型、偏吸收型,具體見圖3.

由圖4顯示,2011年,廈門為強吸收型城市,是網絡信息流流入集中的城市,兼具較強的輻射影響力和吸引力,且信息流吸引力大于輻射影響力;福州、泉州、溫州、漳州、莆田為強輻射型城市,網絡的輻射影響力和吸引力均較強,是信息流集中流入的洼地,且輻射影響力大于吸引力;南平、三明、龍巖屬于偏輻射型;弱輻射型城市和偏吸收型城市數量較少或表現不明顯,網絡中絕大多數城市為弱吸收型城市.2016年,漳州轉為強吸收型城市,贛州轉為強輻射型城市,廈門仍為強吸收型城市,福州、泉州、溫州、莆田仍為強輻射型城市;網絡中多數城市向圖左下方集中,說明絕大多數城市轉為弱吸收型城市,網絡分化越發明顯.2021年,福州、泉州、溫州、贛州仍為強輻射型城市,莆田轉為偏吸收型城市,寧德加入偏吸收型城市隊伍,網絡中城市類型仍較為集中在左下偏吸收型區域;廈門由強吸收型城市轉為強輻射型城市,其原因是金磚國家領導人會晤讓廈門備受矚目,自貿試驗區、海絲核心區等國家戰略使得廈門的影響力進一步擴大,而且近年來廈門重點發展現代服務業,第三產業比重逐步提高,綜合競爭力不斷增強;贛州仍為輻射型城市,其受益于省域副中心城市地位的確立、央企稀土集團的落戶、交通運輸的進一步發展等,贛州近幾年的經濟發展相較江西省其他城市發展迅速.

圖4 粵閩浙沿海20市城市類型四象限散點圖

2.3 網絡時空演變特征

為探究粵閩浙沿海城市信息流網絡時空演變特征,本研究以城市間兩兩之間的百度搜索指數乘積作為城市間信息流強度的表征,構建無向的粵閩浙沿海城市信息流網絡,用ArcGIS軟件繪制可視化圖,見圖5.圖中城市與城市間的線段反應信息流相對強度,線段越粗表示信息流相對強度越高.多層級特征是城市網絡空間關聯的重要屬性,本文借鑒熊麗芳[12]學者的做法,采用自然斷裂法,按照信息流相對強度大小進行梯度分級,共分四個層級.為更直觀地呈現粵閩浙沿海城市信息流網絡的信息流相對強度層級特征,依次選取網絡信息流強度位于最高的前三個層級、前兩個層級、前一個層級的信息流做可視化呈現,分別得到2011年、2016年、2021年粵閩浙沿海城市信息流網絡的主要網絡、主干網絡和骨架網絡.其中,主要網絡呈現信息流強度位于前三個層級的信息流,主干網絡呈現較高的前兩級信息流,骨架網絡呈現最高一個層級的信息流.圖中城市內部信息流是城市內部自身對城市的百度信息搜索指數,本文采用自然斷裂法將城市分為四個梯級.

圖5 粵閩浙沿海城市信息流網絡時空演變圖

由圖5可知,從整體看,粵閩浙沿海城市信息網絡結構較為穩定,網絡式城市結構初具.2011年與2021年的主要網絡基本相似,沿海城市間聯系較為密集,西部較為稀疏,除贛州融入相對緊密外,江西省其他城市融入不足.廣東省的4個城市融入更為不足,粵閩浙沿海城市信息網絡呈現明顯的省域界限,行政區劃阻隔依然存在.由主干網絡可見,溫州、麗水、衢州三地以溫州為橋梁,形成相對緊密的信息流動,溫州為網絡北翼連接其他城市的重要樞紐,連接網絡多座城市,但其對網絡北翼的領導輻射能力仍較不足.福建省以廈門、福州為核心樞紐帶動省內其他城市融入網絡中,呈現以廈門、福州為支撐節點的皇冠型帶狀結構,龍巖、三明、南平、寧德與廈門、福州兩個重要節點城市有相對穩定的聯系,但與其他城市互動較不足.由骨架網絡可見,漳州—廈門—泉州—福州是網絡中聯系最為緊密的城市,形成較為穩定的信息互動關系,其中廈門—泉州的互動頻繁且最為穩定.溫州、福州、廈門、泉州、贛州城市自身內部的信息流持續保持高位狀態.

2.4 節點區域

為進一步分析粵閩浙沿海城市信息流網絡的層級結構,采用節點區域分析法提煉信息流,結果見圖6.圖6顯示,粵閩浙沿海未形成緊密聯系的信息流網絡,省域界限明顯,大致形成“1+4+15”層級結構.廈門是粵閩浙沿海城市信息流網絡的主導城市,網絡中接近一半城市的最大信息流均指向廈門.一方面,廈門在福建省內產生較強的信息虹吸作用;另一方面,也吸引著省外一些城市.福州、贛州是網絡中的次級主導城市,將網絡中的城市連接起來.福州吸引著同為福建省的南平和寧德的最大信息流.汕頭吸引著同為廣東省的潮州、梅州、揭陽3座城市的最大信息流,而其自身最大的信息流則流向省外鏈接粵閩浙沿海城市信息流網絡.2011年,汕頭最大信息流流向溫州,成為網絡中的三級城市,并通過溫州這一從屬城市融入信息流網絡.2016年,汕頭轉為網絡中的從屬城市,其最大信息流流向廈門這一主導城市,是網絡中重要的橋梁城市.溫州吸引著麗水、衢州兩座城市的最大信息流,但自2016年以來,其次級中心地位有所下降.自2011年以來,贛州逐漸成長為網絡中重要的次級主導城市,吸引著江西省撫州、鷹潭、上饒3座城市的最大信息流,而衢州在網絡中的融入不足.

圖6 粵閩浙沿海城市信息流網絡節點結構圖

3 結論與討論

本研究運用百度指數平臺的搜索指數,構建粵閩浙沿海城市信息流網絡,運用社會網絡分析法、信息流網絡矩陣、節點區域法,分析探討粵閩浙沿海城市信息流網絡的整體特征、節點特征和層級結構,得到以下結論:

(1)從整體看,2011—2014年地區信息流總量增長明顯,2014—2021年粵閩浙沿海城市信息流總量和空間結構均較為穩定,網絡式城市結構初具,呈現以廈門、福州為支撐節點的皇冠型帶狀結構.網絡存在明顯的省域界限,行政區劃阻隔依然存在,粵閩浙沿海城市涉及三省.因此,需要建立城市群省內省際協調機制,進一步加強粵閩浙沿海城市群內部城市間的聯系,破解條帶格局現狀,促進網絡協調發展.當前網絡結構非均衡現象突出,表現為沿海城市間聯系較為密集,西部較為稀疏,漳州—廈門—泉州—福州形成網絡中較為穩定的信息互動關系,其中廈門—泉州的互動頻繁且最為穩定.

(2)從城市節點看,作為海峽西岸城市群規劃中的重要節點城市——福州、廈門、泉州、溫州、贛州,也是粵閩浙沿海地區信息流網絡中的重要節點城市,具有較強的信息資源輻射能力和集聚能力,以及吸引力和影響力.廈門作為副省級城市和經濟特區,在網絡中的吸引力突出,且近幾年廈門重點發展現代服務業,第三產業比重逐步提高,綜合競爭力不斷增強,自貿試驗區、海絲核心區等國家戰略,使得廈門的影響力進一步擴大,廈門由此前的強吸收型城市逐漸轉為強輻射型城市.福州作為福建省的政治、文化、交通中心,在信息流網絡中具有省會效應優勢,一直是強輻射型城市,輻射影響力高.泉州、溫州民營經濟發達,在網絡中的輻射影響力也較高.贛州受益于省域副中心城市地位的確立、央企稀土集團的落戶,以及交通運輸的進一步發展等,相較江西省其他城市,近幾年的經濟發展迅速,由強吸收型轉向強輻射型城市.漳州由強輻射型轉強吸收型城市,逐漸受到網絡中其他城市的關注.廣東省的潮州市、梅州市和江西省鷹潭市,在粵閩浙沿海地區信息流網絡中的融入不足,影響力和吸引力均較弱.

(3)從網絡層級結構看,粵閩浙沿海未形成緊密聯系的信息流網絡,大致形成“1+4+15”層級結構.廈門是粵閩浙沿海城市信息流網絡的主導城市,網絡中接近一半城市的最大信息流均指向廈門.福州是信息流網絡中的次級主導城市,吸引著南平和寧德的最大信息流.汕頭吸引著同為廣東省的潮州、梅州、揭陽三座城市的最大信息流,而其自身最大的信息流則流向省外,鏈接粵閩浙沿海城市信息流網絡,是網絡中重要的橋梁城市.溫州鏈接衢州兩座城市的最大信息流,但自2016年以來,其次級中心地位有所下降.自2011年以來,贛州逐漸成長為網絡中重要的次級主導城市,吸引著江西省撫州、鷹潭、上饒三座城市的最大信息流.

百度指數源于用戶對某信息的主動搜索和關注,作為城市信息流的表征,雖然在客觀上能夠反應城市相互之間的主動信息關注情況,對城市群規劃、基礎設施規劃具有重要價值[22],但基于百度搜索指數構建城市信息流網絡尚有一些不足,例如,信息流蘊含的內容顯然不止是百度指數,也可包括微博、貼吧、通話等,百度指數并不能完全表征城市間的信息流強度.隨著數據挖掘技術的不斷精進和5G通訊技術的發展,信息流數據將更加豐富、實時,獲取也更加方便,城市信息流網絡的研究將有更大的探索與改進空間.